TWI704973B - 管理裝置、管理方法及程式 - Google Patents
管理裝置、管理方法及程式 Download PDFInfo
- Publication number
- TWI704973B TWI704973B TW108106034A TW108106034A TWI704973B TW I704973 B TWI704973 B TW I704973B TW 108106034 A TW108106034 A TW 108106034A TW 108106034 A TW108106034 A TW 108106034A TW I704973 B TWI704973 B TW I704973B
- Authority
- TW
- Taiwan
- Prior art keywords
- time series
- aforementioned
- time
- clusters
- machine
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4093—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
- G05B19/40937—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine concerning programming of machining or material parameters, pocket machining
- G05B19/40938—Tool management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49092—Vary, change controlled parameter as function of detected power
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49225—Adapt machining conditions as function of workpiece cutting resistance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Software Systems (AREA)
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
Abstract
時間序列取得部,取得一定時間中的機械的消費電力之時間序列。分類部,將時間序列分類成複數個群集的其中一者。製程推定部,基於示意複數個群集與機械的製程之關係之關係資訊、及時間序列被分類到的群集,來推定機械執行的製程。
Description
本發明有關管理裝置、管理方法及程式。
本案針對2018年2月27日於日本申請之特願2018-033363號主張優先權,將其內容援用於此。
專利文獻1中,揭示一種檢測多軸鑽床的電動機的消費電力量,來判別被加工材的板厚之技術。
[先前技術文獻]
[專利文獻]
[專利文獻1]日本實開昭63-172507號公報
[發明所欲解決之問題]
按照專利文獻1揭示之技術,能夠測定藉由多軸鑽床而被穿孔的被加工材的板厚。這是因為被加工材的板厚與多軸鑽床的穿孔所需的總電力消費量成比例。另一方面,近年的工作機械中,有不限於單純的穿孔,而可達成複雜的切削加工等作業之物,如NC車床等。像這樣執行複雜的作業之機械中,加工對象物或作業內容(製程)與總電力消重量未必成比例關係。因此,按照專利文獻1記載之技術般以機械的總電力消費量為基礎之方法,可能會無法辨明製程。
本發明之目的在於提供一種能夠推定執行複雜的作業之機械的製程之管理裝置、管理方法及程式。
[解決問題之技術手段]
按照本發明之第1態樣,管理裝置,具備:時間序列取得部,取得一定時間中的機械的消費電力之時間序列;及分類部,將前述時間序列分類成複數個群集的其中一者;及製程推定部,基於示意前述複數個群集與前述機械的製程之關係之關係資訊、及前述時間序列被分類到的前述群集,來推定前述機械執行的製程。
按照本發明之第2態樣,第1態樣之管理裝置,亦可,前述時間序列取得部,取得前述機械正在運轉的期間的連續的複數個時間序列,基於前述複數個時間序列的各者被分類到的前述群集的種類,推定前述複數個時間序列之時間中前述機械執行的前述製程。
按照本發明之第3態樣,第2態樣之管理裝置,亦可,前述關係資訊,為將前述群集與前述製程建立關連而成者,前述製程推定部,於前述關係資訊中,將和前述複數個時間序列的各者被分類到的前述群集當中最頻繁出現者建立關連之前述製程,予以推定作為前述複數個時間序列之時間中前述機械執行的前述製程。
按照本發明之第4態樣,第2態樣之管理裝置,亦可,前述關係資訊,為將前述群集與前述製程建立關連而成者,前述製程推定部,於前述關係資訊中,將和前述複數個時間序列的各者被分類到的前述群集當中頻繁出現的上位複數者建立關連之前述製程,予以推定作為前述複數個時間序列之時間中前述機械執行的前述製程。
按照本發明之第5態樣,第2態樣之管理裝置,亦可,前述關係資訊,為將前述群集的出現型態(pattern)與前述製程建立關連而成者,前述製程推定部,於前述關係資訊中,將和前述複數個時間序列的各者被分類到的前述群集的出現型態類似的出現型態建立關連之前述製程,予以推定作為前述複數個時間序列之時間中前述機械執行的前述製程。
按照本發明之第6態樣,第1至第5態樣的任一態樣之管理裝置,亦可,前述複數個群集,為藉由一定時間中的前述機械的消費電力之複數個時間序列的群集化而事先被辨明者。
按照本發明之第7態樣,管理方法,包含:取得一定時間中的機械的消費電力之時間序列;及將前述時間序列分類成複數個群集的其中一者;及基於示意前述複數個群集與前述機械的製程之關係之關係資訊、及前述時間序列被分類到的前述群集,來推定前述機械執行的製程。
按照本發明之第8態樣,程式,令電腦執行:取得一定時間中的機械的消費電力之時間序列;及將前述時間序列分類成複數個群集的其中一者;及基於示意前述複數個群集與前述機械的製程之關係之關係資訊、及前述時間序列被分類到的前述群集,來推定前述機械執行的製程。
[發明之效果]
按照上述態樣當中至少1個的態樣,管理裝置能夠推定執行複雜的作業之機械的製程。
<第1實施形態>
《製程管理系統》
以下,一面參照圖面一面針對實施形態詳細說明。
圖1為第1實施形態之製程管理系統的構成示意概略圖。
製程管理系統1,具備工作機械10、計測系統20、及管理裝置30。
工作機械10,藉由電力驅動,遵照操作者的操作執行各式各樣的製程。第1實施形態中,作為工作機械10的例子舉出NC(Numerical Control;數值控制)車床等。工作機械10,能夠加工各式各樣的製品(被加工物)。工作機械10所做的各被加工物的加工,為工作機械10的各製程的一例。
計測系統20,計測工作機械10的消費電力之值(例如電流值、電壓、電力量等)。作為計測系統20的構成的例子,可舉出以下者。計測系統20,具備夾鉗表(clamp meter)21、發訊器22及受訊器23。夾鉗表21,為鉗夾對工作機械10供給電力之電力線,藉此不需將電氣電路開路而計測在該電力線流通的電流之電流計。發訊器22與受訊器23相互藉由無線通訊而連接。該無線通訊和設有工作機械10的設備中使用的無線通訊為獨立的通訊。因此,計測系統20所做的無線通訊,不會干涉設備的無線通訊環境。發訊器22,設置於夾鉗表21的鄰近,和夾鉗表21藉由有線連接。發訊器22,將夾鉗表21計測出的電流值以無線通訊發訊至受訊器23。受訊器23,將從發訊器22受訊到的電流值記錄作為時間序列。管理裝置30,能夠取得受訊器23中記錄的電流值的時間序列。另,計測系統20的構成不限於此。計測系統20,例如以1分鐘間隔來計測消費電力之值,藉此生成時間序列。
管理裝置30,基於從計測系統20輸入的消費電力之時間序列,來辨明工作機械10執行的製程。具體而言,管理裝置30,推定工作機械10加工的被加工物的種類。
《管理裝置的構成》
圖2為第1實施形態之管理裝置的構成示意概略方塊圖。
管理裝置30,具備時間序列取得部31、分割部32、群集化(clustering)部33、群集記憶部34、製程輸入部35、關係辨明部36、關係記憶部37、分類部38、製程推定部39、輸出部40。
時間序列取得部31,從計測系統20取得消費電力之時間序列。時間序列取得部31例如能夠取得DI訊號、主電源的電流值的時間序列來作為消費電力之時間序列。
分割部32,將時間序列取得部31取得的消費電力之時間序列每隔一定時間予以切割出,藉此分割成複數個子時間序列。子時間序列的長度(例如1小時)訂為比時間序列的計測間隔(例如1分鐘)還長。分割部32,可將時間序列不重複地切割出藉此來生成複數個子時間序列,亦可藉由窗函數(window function)一面使一部分重複一面生成複數個子時間序列。此時,分割部32將電流未流通的時間之子時間序列從群集化的對象排除。例如,分割部32,當子時間序列之電流值的平均值未滿規定的閾值的情形下、當電流值的最大值未滿規定的閾值的情形下、當DI訊號總是示出OFF的情形下等,將該子時間序列從群集化的對象排除。
群集化部33,將分割部32分割出的消費電力之複數個子時間序列,藉由無監督學習(unsupervised learning)來區分成複數個群集。例如,群集化部33,藉由K-means(K-平均)法、沃德法(Ward's method)、最短距離法、群平均法、自組織映射(Self Organizing Map)等的手法,來進行複數個子時間序列的群集化。另,藉由群集化部33而被區分的群集的數量,被設定成比應推定的製程的種類的數量還多之值。
群集記憶部34,記憶示意藉由群集化部33而被區分的群集的交界之交界資訊。群集的交界,例如能夠辨明作為沃羅諾伊(Voronoi)交界。
製程輸入部35,為了製程的辨明之學習,係受理示意於正在藉由計測系統20計測電流的期間藉由工作機械10執行的製程之製程資訊的輸入,作為教師資料。亦即,製程資訊,為將製程的內容與該製程被執行的時刻(時間帶)建立關連而成之物。作為製程資訊,例如能夠使用工作機械10所做的生產計劃資訊、或藉由工作機械10的操作者而輸入的作業實績資訊等。
關係辨明部36,基於被輸入至製程輸入部35的製程資訊,將藉由分割部32分割出的各子時間序列與製程的種類建立關連。關係辨明部36,基於隸屬於藉由群集化部33被區分出的各群集之子時間序列、及被建立關連至各子時間序列之製程的種類,來辨明群集與製程之關係。例如,關係辨明部36,當隸屬第1群集之子時間序列中,第1製程之子時間序列為支配性(dominate)的情形下,將第1群集與第1製程建立關連。另,關係辨明部36,亦可藉由運用了類神經網路模型等的機械學習手法,來辨明群集與製程之關係。
關係記憶部37,記憶示意藉由關係辨明部36辨明的群集與製程之關係之關係資訊。當關係辨明部36是藉由機械學習手法來辨明群集與製程之關係的情形下,關係記憶部37會記憶已學習模型(trained model)作為關係資訊。
分類部38,當群集記憶部34及關係記憶部37中已充分蓄積了資訊的情形下,基於群集記憶部34記憶的交界資訊,將藉由分割部32分割出的子時間序列分類成群集。
製程推定部39,基於關係記憶部37記憶的關係資訊,從藉由分類部38分類出的群集,來推定工作機械10的製程。當關係記憶部37記憶已學習模型的情形下,製程推定部39將藉由分類部38分類出的群集輸入至關係記憶部37記憶的已學習模型,藉此得到工作機械10的製程。
輸出部40,輸出製程推定部39推定的製程。例如,輸出部40,將製程推定部39推定的各子時間序列的製程,輸出作為時間圖的顯示資料。
《管理裝置的動作》
管理裝置30的動作,具有消費電力之時間序列的群集化、及學習群集與製程之關係之學習階段,及基於學習到的關係來推定工作機械10的製程之推定階段。以下,針對管理裝置30的學習階段中的動作及推定階段中的動作分別說明。
《管理裝置的學習階段中的動作》
圖3為第1實施形態之管理裝置所做的學習階段中的動作示意流程圖。
當管理裝置30處於學習階段的情形下,管理裝置30的時間序列取得部31,從計測系統20取得工作機械10的消費電力之時間序列(步驟S1)。在此,時間序列取得部31,必須取得足夠學習製程推定的長度(例如1個月)的消費電力之時間序列。一旦時間序列取得部31取得時間序列,則分割部32將取得的時間序列分割成每單位時間(例如1小時)的複數個子時間序列(步驟S2)。此時,分割部32將未檢測到電流的時間帶中的時間序列排除。
接下來,群集化部33,將藉由分割部32分割出的複數個子時間序列予以群集化,藉此區分成複數個群集(步驟S3)。此時,群集化部33,不使用各子時間序列為哪一製程之資訊而進行群集化。群集化部33,一旦將子時間序列區分成群集,便將示意各群集的交界之交界資訊記錄至群集記憶部34(步驟S4)。藉此,分類部38,便能夠將未知的子時間序列分類至已知的群集。
此外,製程輸入部35,受理示意和時間序列取得部31取得的時間序列相當之期間中的工作機械10的製程的實績之製程資訊的輸入(步驟S5)。然後,關係辨明部36,辨明被輸入至製程輸入部35的製程資訊與藉由群集化部33而被區分的群集之關係,將示意該關係之關係資訊記錄至關係記憶部37(步驟S6)。
圖4為表示各子時間序列的製程的實績、及各子時間序列的群集化的結果之時間圖。
如圖4所示,可知第1製程之時間序列,多半被分類成第1群集及第3群集。此外可知第2製程之時間序列,多半被分類成第2群集及第5群集。像這樣,可知即使不使用製程之資訊來做群集化,群集與製程之間仍會產生強相關。圖4所示例子中,關係辨明部36,將第1製程與第1群集及第3群集建立關連,將第2製程與第2群集及第5群集建立關連,記錄至關係記憶部37。
藉此,管理裝置30便能夠結束學習階段。
《管理裝置的推定階段中的動作》
圖5為第1實施形態之管理裝置所做的推定階段中的動作示意流程圖。
一旦結束學習階段,管理裝置30,便能夠基於工作機械10的消費電力之未知的時間序列來推定工作機械10的製程。
當管理裝置30處於推定階段的情形下,管理裝置30的時間序列取得部31,從計測系統20取得工作機械10的消費電力之時間序列(步驟S51)。在此,時間序列取得部31,取得作為製程的推定對象的時間帶(例如1天)中的消費電力之時間序列。一旦時間序列取得部31取得時間序列,則分割部32將取得的時間序列分割成每單位時間(例如1小時)的複數個子時間序列(步驟S52)。此時,分割部32將未檢測到電流的時間帶中的時間序列排除。
接下來,分類部38,基於群集記憶部34記憶的交界資訊,將藉由分割部32分割出的複數個子時間序列各自分類成群集(步驟S53)。接下來,製程推定部39,基於關係記憶部37記憶的關係資訊,推定子時間序列所示時間帶中工作機械10執行的製程(步驟S54)。具體而言,製程推定部39,針對子時間序列的各者,辨明該子時間序列被分類到的群集,而辨明被建立關連至該群集之製程,藉此推定子時間序列所示時間帶中的製程。然後,輸出部40輸出推定的製程(步驟S55)。
《作用・效果》
像這樣,第1實施形態之管理裝置30,將一定時間中的工作機械10的消費電力之子時間序列分類成群集,基於被分類到的群集、及示意群集與製程之關係之關係資訊,來推定工作機械10的製程。藉此,管理裝置30能夠基於消費電力之值來推定執行複雜的作業之工作機械10的製程。
藉此,管理者藉由比較管理裝置30輸出的製程的推定結果與生產計劃,能夠容易地辨識生產工程的進度狀況。
另,第1實施形態之分割部32,是將電流未流通的時間之子時間序列從群集化的對象排除,但不限於此。例如,其他實施形態之管理裝置30,亦可將電流未流通的時間之子時間序列也涵括來進行群集化。
<第2實施形態>
第1實施形態之管理裝置30,是對每一子時間序列,辨明和被分類到的群集建立關連之製程,藉此推定工作機械10的製程。另一方面,子時間序列未必會全部被指派到和正確的製程建立關連之群集。例如,如圖4所示,有明明是第1製程之子時間序列卻被分類到第2群集之子時間序列,或有明明是第2製程之子時間序列卻被分類到第3群集之子時間序列。
第2實施形態之管理裝置30,係抑制這樣的分類的噪訊的影響來推定製程。
《管理裝置的構成》
圖6為第2實施形態之管理裝置的構成示意概略方塊圖。
第2實施形態之管理裝置30,除第1實施形態的構成外,更具備群組辨明部41。群組辨明部41,將分割部32分割出的複數個子時間序列,予以群組化(grouping)成每一由工作機械10正在運轉的期間的連續的複數個子時間序列所組成的群組。具體而言,群組辨明部41,以藉由分割部32而被排除之未檢測到電流的時間帶,將複數個子時間序列切分,藉此做群組化。例如,圖4所示例子中,複數個子時間序列,被分成7個子時間序列群組。
此外,第2實施形態之製程推定部39的動作,和第1實施形態相異。
《管理裝置的動作》
第2實施形態之管理裝置30的動作,如同第1實施形態般,具有學習階段及推定階段。第2實施形態之管理裝置30的學習階段中的動作,和第1實施形態相同。是故,以下針對第2實施形態之管理裝置30的推定階段中的動作說明之。
《管理裝置的推定階段中的動作》
圖7為第2實施形態之管理裝置所做的推定階段中的動作示意流程圖。
當管理裝置30處於推定階段的情形下,管理裝置30的時間序列取得部31,從計測系統20取得工作機械10的消費電力之時間序列(步驟S151)。在此,時間序列取得部31,取得作為製程的推定對象的時間帶(例如1天)中的消費電力之時間序列。一旦時間序列取得部31取得時間序列,則分割部32將取得的時間序列分割成每單位時間(例如1小時)的複數個子時間序列(步驟S152)。此時,分割部32將未檢測到電流的時間帶中的時間序列排除。
接下來,群組辨明部41,將分割部32分割出的複數個子時間序列,予以群組化成每一由工作機械10正在運轉的期間的連續的複數個子時間序列所組成的群組(步驟S153)。
接下來,分類部38,基於群集記憶部34記憶的交界資訊,將藉由分割部32分割出的複數個子時間序列各自分類成群集(步驟S154)。接下來,製程推定部39,對藉由群組辨明部41而被群組化而成之每一群組,辨明被分類到隸屬該群組的各子時間序列之群集當中最頻繁出現者(出現次數多者、所占時間最長者)(步驟S155)。例如,由10個子時間序列所構成之群組中,7個子時間序列被分類到第1群集,2個子時間序列被分類到第2群集,1個子時間序列被分類到第3群集的情形下,製程推定部39會辨明第1群集作為該群組中最頻繁出現的群集。
接下來,製程推定部39,基於關係記憶部37記憶的關係資訊,針對各群組推定工作機械10執行的製程(步驟S156)。具體而言,製程推定部39,針對群組的各者,辨明該群組中最頻繁出現的群集,而辨明被建立關連至該群集之製程,藉此推定各群組之時間帶中的製程。然後,輸出部40輸出推定的製程(步驟S157)。
《作用・效果》
像這樣,第2實施形態之管理裝置30,基於工作機械10正在運轉的期間的連續的複數個子時間序列的各者被分類到之群集的種類,推定該複數個時間序列之時間中工作機械10執行的製程。特別是,第2實施形態之管理裝置30,將和隸屬同一群組的子時間序列各者被分類到的群集當中最頻繁出現者建立關連之製程,予以推定作為隸屬該群組的時間序列之時間中工作機械10執行的製程。藉此,管理裝置30能夠抑制對於分類到群集的噪訊的影響而推定製程。這是因為,當工作機械10所做的被加工物為比較小型的情形下(例如子時間序列的單位時間中能夠生產複數個被加工物的情形下),工作機械10正在連續運轉的期間,一般而言會持續生產同一被加工物,且連續運轉中切換生產的零件的情況很少的緣故。另,工作機械10所做的被加工物,當然亦可為比較大型之物。
例如圖4的左端的群組中成為最頻繁出現之群集為第1群集。因此,按照第2實施形態,管理裝置30,就算該群組中包含被分類到第2群集或第3群集之時間序列,仍能推定該群組之時間帶中是執行了第1製程。
另,第2實施形態之管理裝置30,是僅基於成為最頻繁出現之群集來推定製程,但不限於此。例如其他實施形態之管理裝置30,亦可基於出現頻率為上位的2個以上的群集來推定製程。在此情形下,關係辨明部36生成示意群集的出現比例與製程之關係之關係資訊,製程推定部39基於群集的出現比例來推定製程亦可。
<第3實施形態>
第1、第2實施形態之管理裝置30,當工作機械10是反覆執行比較短時間完成之製程的情形下,能夠精度良好地推定製程。另一方面,依被加工物的種類不同,也有1個被加工物的加工需要數小時之物。第3實施形態之管理裝置30,係當執行花費比較長時間之製程的情形下,精度良好地推定製程。
第3實施形態之管理裝置30的構成,如同第2實施形態。
另一方面,第3實施形態之關係辨明部36及製程推定部39的動作和第2實施形態相異。
《管理裝置的動作》
管理裝置30的動作,如同第1、第2實施形態般,具有學習階段及推定階段。以下,針對管理裝置30的學習階段中的動作及推定階段中的動作分別說明。
《管理裝置的學習階段中的動作》
圖8為第3實施形態之管理裝置所做的學習階段中的動作示意流程圖。
當管理裝置30處於學習階段的情形下,管理裝置30的時間序列取得部31,從計測系統20取得工作機械10的消費電力之時間序列(步驟S201)。在此,時間序列取得部31,必須取得足夠學習製程推定的長度(例如1個月)的消費電力之時間序列。一旦時間序列取得部31取得時間序列,則分割部32將取得的時間序列分割成每單位時間(例如1小時)的複數個子時間序列(步驟S202)。此時,分割部32將未檢測到電流的時間帶中的時間序列排除。
接下來,群組辨明部41,將分割部32分割出的複數個子時間序列,予以群組化成每一由工作機械10正在運轉的期間的連續的複數個子時間序列所組成的群組(步驟S203)。
接下來,群集化部33,將藉由分割部32分割出的複數個子時間序列予以群集化,藉此區分成複數個群集(步驟S204)。此時,群集化部33,不使用各子時間序列為哪一製程之資訊及隸屬哪一群組之資訊而進行群集化。群集化部33,一旦將子時間序列區分成群集,便將示意各群集的交界之交界資訊記錄至群集記憶部34(步驟S205)。
此外,製程輸入部35,受理示意和時間序列取得部31取得的時間序列相當之期間中的工作機械10的製程的實績之製程資訊的輸入(步驟S206)。然後,關係辨明部36,辨明被輸入至製程輸入部35的製程資訊與隸屬同一群組的時間序列被區分到的群集的型態(pattern)之關係,將示意該關係之關係資訊記錄至關係記憶部37(步驟S207)。作為群集的型態,例如可舉出群集的出現順序或出現頻率等。關係辨明部36,可基於類神經網路等的機械學習來辨明製程資訊與群集的型態之關係。
《管理裝置的推定階段中的動作》
圖9為第3實施形態之管理裝置所做的推定階段中的動作示意流程圖。
當管理裝置30處於推定階段的情形下,管理裝置30的時間序列取得部31,從計測系統20取得工作機械10的消費電力之時間序列(步驟S251)。在此,時間序列取得部31,取得作為製程的推定對象的時間帶(例如1天)中的消費電力之時間序列。一旦時間序列取得部31取得時間序列,則分割部32將取得的時間序列分割成每單位時間(例如1小時)的複數個子時間序列(步驟S252)。此時,分割部32將未檢測到電流的時間帶中的時間序列排除。
接下來,群組辨明部41,將分割部32分割出的複數個子時間序列,予以群組化成每一由工作機械10正在運轉的期間的連續的複數個子時間序列所組成的群組(步驟S253)。
接下來,分類部38,基於群集記憶部34記憶的交界資訊,將藉由分割部32分割出的複數個子時間序列各自分類成群集(步驟S254)。接下來,製程推定部39,基於關係記憶部37記憶的關係資訊,對藉由群組辨明部41而被群組化而成之每一群組,從被分類到隸屬該群組的各子時間序列之群集的出現型態,來推定工作機械10執行的製程(步驟S255)。具體而言,製程推定部39,針對群組的各者,比較該群組中的群集的出現型態與關係記憶部37記憶的關係資訊中包含的群集的出現型態,而辨明被建立關連至最類似的型態之製程,藉此推定各群組之時間帶中的製程。此時,製程推定部39,針對群集的出現型態,亦可藉由以前方一致之部分匹配來辨明製程。在此情形下,即使當時間序列取得部31取得的時間序列中工作機械10的製程未完成的情形下,仍能辨明正在執行的製程。亦即,製程推定部39,藉由以前方一致之部分匹配,即使於製程的途中階段仍能推定製程。然後,輸出部40輸出推定的製程(步驟S256)。
《作用・效果》
像這樣,第3實施形態之管理裝置30,是基於連續的子時間序列中的群集的出現型態,來辨明製程。藉此,管理裝置30,即使當執行花費比較長時間之製程的情形下,仍能精度良好地推定製程。花費比較長時間之製程,多半由更小的複數個子製程所構成。例如,將某一零件加工之製程,由底面的加工、上面的加工、周面的加工、孔部的加工等複數個子製程所構成。這樣的情形下,藉由消費電力之時間序列的群集化,各子製程會被分類至群集。某一製程中,若構成該製程的子製程的順序是一定程度固定的,則它會顯現作為群集的出現型態。是故,管理裝置30,藉由運用群集的出現型態,即使當執行花費比較長時間之製程的情形下,仍能精度良好地推定製程。另,工作機械10所做的被加工物,當然亦可為比較小型之物。
另,第3實施形態中,製程推定部39,針對群集的出現型態,藉由進行以前方一致之部分匹配,即使於製程的途中階段仍能推定製程。此時,製程推定部39,亦可基於部分匹配結果來預測將來的消費電力之時間序列。在此情形下,製程推定部39,亦可基於將來的消費電力之時間序列來推定製程。此外在此情形下,製程推定部39,亦可基於將來的消費電力之時間序列來預測將來的製程的進展。另,藉由管理裝置30在工作機械10的製程未完成的情形下辨明製程,管理者能夠即時地辨識工作機械的狀況。
<其他實施形態>
以上雖已參照圖面針對一實施形態詳加說明,但具體的構成不限於上述者,可做各式各樣的設計變更等。
例如,上述的實施形態之管理裝置30,是首先從計測系統20取得消費電力之時間序列,再將其分割成複數個子時間序列來進行製程的推定,但不限於此。例如,其他實施形態之管理裝置30,從計測系統20取得一定時間之時間序列,使用它來做群集化及分類,藉此亦可不分割到子時間序列。
此外例如於上述的實施形態之計測系統20中,當作為判定對象之製程的種類增加了的情形下,管理裝置30必須重新轉移至學習階段。另一方面,針對增加的製程以外之子時間序列則已經取得,因此管理裝置30藉由追加新的製程之子時間序列而重新做群集化,便能再學習。
此外上述的實施形態中,計測系統20是藉由一個夾鉗表21來計測電力線的電流,但不限於此。例如,其他實施形態之計測系統20,亦可計測每一加工軸的電力線的電流,管理裝置30基於包含它之時間序列來進行製程的推定。
此外上述的實施形態中,雖說明了管理裝置30所做的管理對象為工作機械10之情形,但不限於此。例如其他實施形態中,亦可將機器人等以電氣驅動之其他機械訂為管理裝置30的管理對象。
此外上述的實施形態中,管理裝置30雖執行學習及推定的雙方,但不限於此。例如,其他實施形態中,進行群集的交界或關係資訊的學習之裝置、及記憶學習結果即已學習模型之裝置、及使用已學習模型來進行推定之管理裝置30,亦可各自個別地設置。
<電腦構成>
圖10為至少1個實施形態之電腦的構成示意概略方塊圖。
電腦90,具備CPU91、主記憶裝置92、輔助記憶裝置93、介面94。
上述的管理裝置30,被建置於電腦90。又,上述的各處理部的動作,以程式的形式被記憶於輔助記憶裝置93。CPU91,將程式從輔助記憶裝置93讀出而部署至主記憶裝置92,遵照該程式來執行上述處理。此外,CPU91,遵照程式將對應於上述的各記憶部之記憶區域配置(allocate)至主記憶裝置92。
作為輔助記憶裝置93的例子,可舉出HDD(Hard Disk Drive)、SSD(Solid State Drive)、磁碟、光碟、CD-ROM(Compact Disc Read Only Memory)、DVD-ROM(Digital Versatile Disc Read Only Memory)、半導體記憶體等。輔助記憶裝置93,可為直接連接至電腦90的匯流排之內部媒體,亦可為透過介面94或通訊線路而連接至電腦90之外部媒體。此外,當此程式為藉由通訊線路被配送至電腦90的情形下,接受配送的電腦90將該程式部署至主記憶裝置92,來執行上述處理亦可。至少1個實施形態中,輔助記憶裝置93,為非暫態性的有形的記憶媒體。
此外,該程式,亦可為用來實現前述的機能的一部分之物。又,該程式,亦可為藉由將前述的機能與輔助記憶裝置93中已記憶的其他程式組合而實現之物,即所謂差異檔案(差分程式)。
[產業利用性]
按照上述態樣當中至少1個的態樣,管理裝置能夠推定執行複雜的作業之機械的製程。
1‧‧‧製程管理系統
10‧‧‧工作機械
20‧‧‧計測系統
30‧‧‧管理裝置
31‧‧‧時間序列取得部
32‧‧‧分割部
33‧‧‧群集化部
34‧‧‧群集記憶部
35‧‧‧製程輸入部
36‧‧‧關係辨明部
37‧‧‧關係記憶部
38‧‧‧分類部
39‧‧‧製程推定部
40‧‧‧輸出部
41‧‧‧群組辨明部
[圖1]第1實施形態之製程管理系統的構成示意概略圖。
[圖2]第1實施形態之管理裝置的構成示意概略方塊圖。
[圖3]第1實施形態之管理裝置所做的學習階段中的動作示意流程圖。
[圖4]表示各子時間序列的製程的實績、及各子時間序列的群集化的結果之時間圖。
[圖5]第1實施形態之管理裝置所做的推定階段中的動作示意流程圖。
[圖6]第2實施形態之管理裝置的構成示意概略方塊圖。
[圖7]第2實施形態之管理裝置所做的推定階段中的動作示意流程圖。
[圖8]第3實施形態之管理裝置所做的學習階段中的動作示意流程圖。
[圖9]第3實施形態之管理裝置所做的推定階段中的動作示意流程圖。
[圖10]至少1個實施形態之電腦的構成示意概略方塊圖。
1‧‧‧製程管理系統
10‧‧‧工作機械
20‧‧‧計測系統
21‧‧‧夾鉗表
22‧‧‧發訊器
23‧‧‧受訊器
30‧‧‧管理裝置
Claims (8)
- 一種管理裝置,具備:時間序列取得部,取得一定時間中的機械的消費電力之時間序列當中,前述機械正在運轉的期間的連續的複數個時間序列;及分類部,將前述複數個時間序列當中,前述消費電力比閾值還大的複數個時間序列的各者分類成複數個群集的其中一者;及製程推定部,基於示意前述複數個群集與前述機械的製程之關係之關係資訊、及前述時間序列被分類到的前述群集的種類,來推定前述複數個時間序列之時間中前述機械執行的製程。
- 一種管理裝置,具備:時間序列取得部,取得一定時間中的機械的消費電力之時間序列當中,前述機械正在運轉的期間的連續的複數個時間序列;及分類部,將前述複數個時間序列的各者分類成複數個群集的其中一者;及製程推定部,基於示意前述複數個群集與前述機械的製程之關係之關係資訊、及前述時間序列被分類到的前述群集的種類,來推定前述複數個時間序列之時間中前述機械執行的製程; 前述製程推定部,於前述關係資訊中,將和前述複數個時間序列的各者被分類到的前述群集的出現型態類似的出現型態建立關連之前述製程,予以推定作為前述複數個時間序列之時間中前述機械執行的前述製程。
- 如申請專利範圍第1項或第2項所述之管理裝置,其中,前述關係資訊,為將前述群集與前述製程建立關連而成者,前述製程推定部,於前述關係資訊中,將和前述複數個時間序列的各者被分類到的前述群集當中最頻繁出現者建立關連之前述製程,予以推定作為前述複數個時間序列之時間中前述機械執行的前述製程。
- 如申請專利範圍第1項或第2項所述之管理裝置,其中,前述關係資訊,為將前述群集與前述製程建立關連而成者,前述製程推定部,於前述關係資訊中,將和前述複數個時間序列的各者被分類到的前述群集當中頻繁出現的上位複數者建立關連之前述製程,予以推定作為前述複數個時間序列之時間中前述機械執行的前述製程。
- 如申請專利範圍第1項所述之管理裝置,其中, 前述關係資訊,為將前述群集的出現型態(pattern)與前述製程建立關連而成者,前述製程推定部,於前述關係資訊中,將和前述複數個時間序列的各者被分類到的前述群集的出現型態類似的出現型態建立關連之前述製程,予以推定作為前述複數個時間序列之時間中前述機械執行的前述製程。
- 如申請專利範圍第1項或第2項所述之管理裝置,其中,前述複數個群集,為藉由一定時間中的前述機械的消費電力之複數個時間序列的群集化而事先被辨明者。
- 一種管理方法,包含:取得一定時間中的機械的消費電力之時間序列當中,前述機械正在運轉的期間的連續的複數個時間序列;及將前述複數個時間序列當中,前述消費電力比閾值還大的複數個時間序列的各者分類成複數個群集的其中一者;及基於示意前述複數個群集與前述機械的製程之關係之關係資訊、及前述時間序列被分類到的前述群集的種類,來推定前述複數個時間序列之時間中前述機械執行的製程。
- 一種程式, 用來令電腦執行:取得一定時間中的機械的消費電力之時間序列當中,前述機械正在運轉的期間的連續的複數個時間序列;及將前述複數個時間序列當中,前述消費電力比閾值還大的複數個時間序列的各者分類成複數個群集的其中一者;及基於示意前述複數個群集與前述機械的製程之關係之關係資訊、及前述時間序列被分類到的前述群集的種類,來推定前述複數個時間序列之時間中前述機械執行的製程。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-033363 | 2018-02-27 | ||
JP2018033363A JP6710232B2 (ja) | 2018-02-27 | 2018-02-27 | 管理装置、管理方法およびプログラム。 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201936313A TW201936313A (zh) | 2019-09-16 |
TWI704973B true TWI704973B (zh) | 2020-09-21 |
Family
ID=67806113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108106034A TWI704973B (zh) | 2018-02-27 | 2019-02-22 | 管理裝置、管理方法及程式 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200387141A1 (zh) |
EP (1) | EP3745225B1 (zh) |
JP (1) | JP6710232B2 (zh) |
TW (1) | TWI704973B (zh) |
WO (1) | WO2019167676A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004070424A (ja) * | 2002-08-01 | 2004-03-04 | Cimx Kk | 工作機械の稼働情報収集システム |
CN1782937A (zh) * | 2004-12-02 | 2006-06-07 | 达方电子股份有限公司 | 自动化制程管理***及方法 |
TW200715363A (en) * | 2005-09-27 | 2007-04-16 | Advantest Corp | Management method and management device |
TW200809449A (en) * | 2006-04-28 | 2008-02-16 | Tokyo Electron Ltd | Process information management equipment and program |
TW201401194A (zh) * | 2012-06-26 | 2014-01-01 | Toshiba Mitsubishi Elec Inc | 資料管理裝置、資料管理方法及資料管理程式 |
CN104412218A (zh) * | 2012-06-19 | 2015-03-11 | 株式会社东芝 | 存储控制程序的存储介质、控制信息处理设备的方法、信息处理***,以及信息处理设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63172507U (zh) | 1987-04-29 | 1988-11-09 | ||
JP2002304207A (ja) * | 2001-04-04 | 2002-10-18 | Honda Motor Co Ltd | 工作機械の稼働状況管理方法 |
JP2003326438A (ja) * | 2002-02-28 | 2003-11-18 | Fanuc Ltd | 工具異常検出装置 |
JP4321581B2 (ja) * | 2006-11-30 | 2009-08-26 | パナソニック電工株式会社 | 工作機械総合監視装置 |
JP5099066B2 (ja) * | 2009-04-10 | 2012-12-12 | オムロン株式会社 | エネルギー監視装置およびその制御方法、ならびにエネルギー監視プログラム |
JP5218453B2 (ja) * | 2009-04-10 | 2013-06-26 | オムロン株式会社 | 設備運転状態計測装置、設備運転状態計測方法、および制御プログラム |
FR2953432B1 (fr) * | 2009-12-08 | 2012-03-30 | Arts | Procede pour optimiser les conditions de travail d'un outil coupant |
JP5946573B1 (ja) * | 2015-08-05 | 2016-07-06 | 株式会社日立パワーソリューションズ | 異常予兆診断システム及び異常予兆診断方法 |
WO2017090098A1 (ja) * | 2015-11-25 | 2017-06-01 | 株式会社日立製作所 | 設備管理装置および方法 |
JP6765590B2 (ja) * | 2016-02-29 | 2020-10-07 | 国立大学法人東海国立大学機構 | 振動加工装置及び振動加工方法 |
JP6811567B2 (ja) | 2016-08-31 | 2021-01-13 | 日清食品ホールディングス株式会社 | 生麺及び冷凍麺の製造方法 |
-
2018
- 2018-02-27 JP JP2018033363A patent/JP6710232B2/ja active Active
-
2019
- 2019-02-15 EP EP19761051.2A patent/EP3745225B1/en active Active
- 2019-02-15 US US16/971,831 patent/US20200387141A1/en not_active Abandoned
- 2019-02-15 WO PCT/JP2019/005586 patent/WO2019167676A1/ja unknown
- 2019-02-22 TW TW108106034A patent/TWI704973B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004070424A (ja) * | 2002-08-01 | 2004-03-04 | Cimx Kk | 工作機械の稼働情報収集システム |
CN1782937A (zh) * | 2004-12-02 | 2006-06-07 | 达方电子股份有限公司 | 自动化制程管理***及方法 |
TW200715363A (en) * | 2005-09-27 | 2007-04-16 | Advantest Corp | Management method and management device |
TW200809449A (en) * | 2006-04-28 | 2008-02-16 | Tokyo Electron Ltd | Process information management equipment and program |
CN104412218A (zh) * | 2012-06-19 | 2015-03-11 | 株式会社东芝 | 存储控制程序的存储介质、控制信息处理设备的方法、信息处理***,以及信息处理设备 |
TW201401194A (zh) * | 2012-06-26 | 2014-01-01 | Toshiba Mitsubishi Elec Inc | 資料管理裝置、資料管理方法及資料管理程式 |
Also Published As
Publication number | Publication date |
---|---|
EP3745225A4 (en) | 2021-03-24 |
WO2019167676A1 (ja) | 2019-09-06 |
TW201936313A (zh) | 2019-09-16 |
US20200387141A1 (en) | 2020-12-10 |
EP3745225A1 (en) | 2020-12-02 |
EP3745225B1 (en) | 2023-12-20 |
JP6710232B2 (ja) | 2020-06-17 |
JP2019148997A (ja) | 2019-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kothuru et al. | Application of audible sound signals for tool wear monitoring using machine learning techniques in end milling | |
CN110059442B (zh) | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 | |
Zhou et al. | Tool wear monitoring using acoustic emissions by dominant-feature identification | |
CN111046084A (zh) | 一种多元时间序列监测数据的关联规则挖掘方法 | |
JP6880843B2 (ja) | 管理装置および管理プログラム | |
US20200125970A1 (en) | Defect factor estimation device and defect factor estimation method | |
JP6832327B2 (ja) | 生産プロセス中に異常なワークピースを自動検出するためのデータ駆動方法 | |
CN116825169B (zh) | 一种基于测试设备的异常存储芯片检测方法 | |
TW202044804A (zh) | 狀態推斷裝置以及狀態推斷方法 | |
JP2019528523A (ja) | 計測−収率の相関性の分析方法及びシステム | |
TWI704973B (zh) | 管理裝置、管理方法及程式 | |
CN114326593A (zh) | 一种刀具寿命预测***及方法 | |
JP6904331B2 (ja) | 要因分析装置、要因分析方法、およびプログラム | |
JP6898607B2 (ja) | 異常予兆検出システムおよび異常予兆検出方法 | |
US10845794B2 (en) | State identification device, state identification method and mechanical device | |
TWI773883B (zh) | 工廠評價裝置、工廠評價方法及工廠評價程式 | |
Bártová et al. | Early defect detection using clustering algorithms | |
KR102471830B1 (ko) | 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법 | |
KR20150082976A (ko) | 반도체 생산 공정에서 센서 데이터들을 이용하여 웨이퍼의 수율을 분석하는 방법 | |
US11353860B2 (en) | Data analysis device, system, method, and recording medium storing program | |
US20210118248A1 (en) | Methods and systems for continuously determining remaining useful lives of vehicle components | |
CN114559297A (zh) | 刀具状态评估***及方法 | |
Pang et al. | Tool wear forecast using Dominant Feature Identification of acoustic emissions | |
EP3502818B1 (en) | Operational status classification device | |
JP2019145160A (ja) | 表示方法、表示装置、および、プログラム |